
Chiến lược này dựa trên chỉ số hình dạng đám mây ICHIMOKU và chỉ số ngẫu nhiên STOCH để đánh giá và theo dõi xu hướng.
Chiến lược này chủ yếu dựa trên biểu đồ đám mây ICHIMOKU và chỉ số STOCH để đánh giá xu hướng hiện tại, và vượt quá mức mua bán quá mức.
Chiến lược này được coi là lạc quan khi đường chuyển đổi đi ngang qua đường chuyển đổi và đường chuyển đổi đi ngang qua đường chuyển đổi và đường chuyển đổi đi ngang khi đường chuyển đổi đi ngang và đường chuyển đổi đi ngang khi đường chuyển đổi đi ngang và đường chuyển đổi đi ngang khi đường chuyển đổi đi ngang.
Trong mã, đường chuyển đổi Conversion Line được định nghĩa là trung bình của giá cao nhất và giá thấp nhất của gần N1 đường K; đường chuẩn Base Line được định nghĩa là trung bình của giá cao nhất và giá thấp nhất của gần N2 đường K.
Trong chỉ số Stoch, xác định đường tháo giá và đường tháo giá, và các tham số mịn K và D. Stoch tạo ra tín hiệu lạc quan khi thoát khỏi vùng tháo giá và tín hiệu giảm khi thoát khỏi vùng tháo giá.
Với sự kết hợp của hai chỉ số, chiến lược này có thể đánh giá được xu hướng.
Chiến lược này kết hợp các chỉ số hình dạng đồ họa với các chỉ số mua quá mức và bán quá mức để có thể đánh giá hiệu quả xu hướng.
So với chỉ số đánh giá xu hướng sử dụng một mình, chiến lược tổng hợp xem xét xu hướng và trường hợp vượt trội, có thể đánh giá chính xác hơn thời gian nhập cảnh.
Đồ họa đám mây ICHIMOKU có thể xác định xu hướng đường dài và đường trung bình, trong khi chỉ số Stoch có thể phát hiện tình trạng quá mua và quá bán trong thời gian ngắn, hai thứ này bổ sung cho việc hình thành phán đoán có hệ thống.
Chiến lược này có những rủi ro:
Rủi ro hệ thống của chỉ số không hiệu quả khi xảy ra sự kiện Black Swan đột ngột.
Có một số sự chậm trễ, có thể bỏ lỡ một phần của thị trường hoặc rủi ro mở vị trí ngược.
Phán quyết tổng hợp của nhiều yếu tố có tính chủ quan nhất định, thiết lập tham số không đúng có thể dẫn đến nguy cơ sai lầm.
Khi giao dịch thường xuyên, chi phí giao dịch có thể ảnh hưởng đến lợi nhuận.
Các biện pháp tối ưu hóa:
Kết hợp các sự kiện báo chí để tránh giao dịch mù quáng khi các sự kiện chính sách lớn xuất hiện.
Tích hợp giảm các tham số chu kỳ, giảm khả năng phán đoán chậm trễ.
Đánh giá lại các tham số tối ưu hóa, nâng cao tính khoa học của các thiết lập tham số.
Tăng mức dừng lỗ thích hợp và giảm tần suất giao dịch.
Chiến lược này có thể được tối ưu hóa bằng cách:
Tối ưu hóa các tham số chu kỳ của đường chuyển đổi ICHIMOKU và đường chuẩn để phù hợp hơn với các đặc điểm của các thị trường khác nhau.
Tối ưu hóa các tham số phẳng K, D của chỉ số Stoch, và tham số giá trị thê giới quá mua quá bán.
Tăng các chỉ số đánh giá khác, hình thành mô hình đa yếu tố, nâng cao tính hệ thống của chiến lược.
Tối ưu hóa điểm dừng lỗ, giảm tần suất giao dịch và đảm bảo lợi nhuận.
Thêm mô-đun phán đoán cho các sự kiện đột ngột, tránh bị mất hiệu lực khi xảy ra sự kiện lớn.
Chiến lược này dựa trên đồ thị đám mây ICHIMOKU và chỉ số Stoch, để đưa ra phán đoán tổng hợp về hướng xu hướng và tình trạng quá mua quá bán, có thể theo dõi hiệu quả tình hình xu hướng. Do tính đến các chỉ số hình học và định lượng, chiến lược có tính hệ thống hơn. Trong tương lai, chiến lược có thể được tối ưu hóa hơn nữa bằng cách tối ưu hóa tham số, thêm các chỉ số khác và mô-đun phán đoán sự kiện bất ngờ.
/*backtest
start: 2023-10-15 00:00:00
end: 2023-11-14 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
//@version=5
strategy("ICHI + STOCH V1", overlay=true)
length = input.int(20, minval=1)
smoothK = input(5)
smoothD = input(3)
OverBought = input(25)
OverSold = input(65)
Profit = input(1800)
Stop = input(1200)
k = ta.sma(ta.stoch(close, high, low, length), smoothK)
d = ta.sma(k, smoothD)
co = ta.crossover(k,d)
cu = ta.crossunder(k,d)
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(1, minval=1, title="Lagging Span")
conversionLine = math.avg(ta.lowest(conversionPeriods), ta.highest(conversionPeriods))
baseLine = math.avg(ta.lowest(basePeriods), ta.highest(basePeriods))
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = math.avg(ta.lowest(laggingSpan2Periods), ta.highest(laggingSpan2Periods))
TREND = ta.ema(math.avg(leadLine1,leadLine2),displacement)
//plot(conversionLine, color=#2962FF, title="Conversion Line")
//plot(baseLine, color=#B71C1C, title="Base Line")
//plot(close, offset = -displacement + 1, color=#43A047, title="Lagging Span")
plot(TREND, color=#2962FF, title="TREND")
p1 = plot(leadLine1,style=plot.style_line, offset = displacement - 1, color=#A5D6A7,
title="Leading Span A")
p2 = plot(leadLine2,style=plot.style_line, offset = displacement - 1, color=#EF9A9A,
title="Leading Span B")
fill(p1, p2, color = leadLine1 > leadLine2 ? color.rgb(67, 160, 71, 90) : color.rgb(244, 67, 54, 90))
close_price = ta.sma(close,1)
pc = plot(close_price,style=plot.style_line, color=#2a0ab9,
title="Price Close")
if (not na(k) and not na(d))
if (co and k < OverSold)and(close_price > TREND)
strategy.entry("BUY order", strategy.long, comment="BUY order")
strategy.exit("exitBUY", "BUY order", profit = Profit, loss = Stop)
if (cu and k > OverBought)and(close_price < TREND)
strategy.entry("SELL order", strategy.short, comment="SELL order")
strategy.exit("exitSELL", "SELL order", profit = Profit, loss = Stop)
//plot(strategy.equity, title="equity", color=color.red, linewidth=2, style=plot.style_areabr)